Amazon 周四宣布推出一款全新的生成式 AI 工具,旨在帮助商家完善产品列表中缺失的信息和属性。
卖家们通常在 Amazon 上上架数百件商品,并时常需要更新相关信息,这往往是一项繁琐的工作。这个电商科技巨头希望卖家们可以使用其名为 Enhance My Listing 的新型 AI 工具来简化这一过程。
该工具会依据季节性趋势自动为卖家推荐产品标题、属性、描述以及缺失的细节。在将更新后的信息添加到 Amazon 目录前,卖家可以选择接受、拒绝或修改这些建议。
Amazon 表示,其使用自有的 Amazon Bedrock 服务以生成式 AI 模型来洞察平台上客户的互动情况。 Enhance My Listing 今天开始在美国部分卖家中逐步上线,并计划在接下来的几周内向更大范围推出。
该公司从 2023 年开始就为卖家推出生成式 AI 工具,其中一项功能帮助他们撰写产品描述。2024 年 3 月,Amazon 又推出了一项工具,允许卖家通过插入自己网站上的产品 URL 来创建商品列表。此功能还支持卖家上传单张图片或输入少量文字来生成产品列表。
Amazon 表示,迄今已有超过 900,000 位卖家使用了其生成式 AI 工具。该公司还补充称,卖家们在超过 90% 的情况下会直接采纳 AI 生成的内容,而无需进行任何修改。
需要说明的是,这并不意味着对这些工具准确率的认可——也可能是部分卖家并未仔细审查这些生成内容。
Amazon 并不是唯一一家试图将生成式 AI 融入营销领域的公司。Google、eBay、Meta 和 Shopify 均已发布了多款同类型工具。此外,诸如 Avataar 和 Superscale 等初创企业也在致力于通过 AI 驱动的应用帮助卖家创建营销素材。
好文章,需要你的鼓励
华中科技大学与利哈伊大学研究团队开发的MMMR基准是首个专门评估多模态大语言模型推理思考过程的综合工具。通过1,083个跨六大领域的高难度推理任务和创新的推理过程评估管道,研究发现即使最先进的模型在推理任务上也与人类存在约10%的差距。研究揭示了答案准确性与推理质量间的脱节:模型常出现思考不一致(41.5%)、过度思考(20.5%)等问题。这一基准不仅评估答案正确性,更深入分析思考质量,为提升AI系统的可靠性和透明度提供了重要方向。
UI-Genie是一个创新的自我改进框架,解决了GUI智能体面临的两大挑战:轨迹验证困难和高质量训练数据缺乏。研究团队开发了专用奖励模型UI-Genie-RM,采用图像-文本交错架构有效处理历史上下文,并统一了步骤级和任务级奖励评估。通过精心设计的数据生成策略和迭代自我改进,该框架无需人工标注即可创建高质量合成轨迹。实验结果显示,经过三轮数据-模型自我改进后,UI-Genie在多个基准测试上达到了最先进水平。该研究已开源全部实现和数据集,为GUI智能体研究提供重要资源。
浙江大学和蚂蚁集团的研究团队开发了ACTIVE-O3,一种创新框架,赋予多模态大语言模型"主动感知"能力,使AI能够智能地决定"看哪里"和"怎么看"。基于群体相对策略优化(GRPO)构建,该系统采用两阶段策略,先选择关注区域,再执行任务。实验表明,ACTIVE-O3在小物体检测、密集物体定位和交互式分割等任务上显著优于现有方法,并展示出强大的零样本推理能力。该研究为AI系统提供了更接近人类认知的视觉探索能力,对自动驾驶、医疗诊断等领域具有重要应用价值。
ImgEdit是北京大学与兔小贝AI联合推出的图像编辑框架,解决了开源编辑模型落后于商业产品的问题。该框架包含120万对高质量编辑图像对,涵盖13种编辑类型和11万个多轮交互样本。通过融合视觉语言模型、检测模型和分割模型的多阶段流程,ImgEdit确保了数据的高质量性。研究团队基于此数据集训练了ImgEdit-E1模型,并提出ImgEdit-Bench评估基准,从指令遵循、编辑质量和细节保留三个维度全面评估模型性能。实验结果显示,ImgEdit-E1在多个任务上超越现有开源模型,推动了图像编辑技术的进步。